前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >10 Minutes to pandas

10 Minutes to pandas

作者头像
百川AI
发布2021-10-19 16:17:03
6490
发布2021-10-19 16:17:03
举报
文章被收录于专栏:我还不懂对话我还不懂对话

最近在看pandas,之前一致用SQL做数据处理,对于线下的小数据量,的确是pandas功能简洁实用,而且方便可视化操作。翻译来自于pandas官方网站上《10 Minutes to pandas》,首先是引入所需的包

代码语言:javascript
复制
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

创建对象

具体见Data Structure Intro section

  • 通过传递一个list对象来创建一个Series,pandas会默认创建整型索引:
代码语言:javascript
复制
s = pd.Series([1,3,5,np.nan,6,8])
# Out[5]:
# 0    1.0
# 1    3.0
# 2    5.0
# 3    NaN
# 4    6.0
# 5    8.0
# dtype: float64
  • 通过传递一个numpy array,时间索引以及列标签来创建一个DataFrame:
代码语言:javascript
复制
dates = pd.date_range('20130101', periods=6)
# DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04',
#                '2013-01-05', '2013-01-06'],
#               dtype='datetime64[ns]', freq='D')

df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=list('ABCD'))
#                  A         B         C         D
# 2013-01-01  0.469112 -0.282863 -1.509059 -1.135632
# 2013-01-02  1.212112 -0.173215  0.119209 -1.044236
# 2013-01-03 -0.861849 -2.104569 -0.494929  1.071804
# 2013-01-04  0.721555 -0.706771 -1.039575  0.271860
# 2013-01-05 -0.424972  0.567020  0.276232 -1.087401
# 2013-01-06 -0.673690  0.113648 -1.478427  0.524988
  • 通过传递一个能够被转换成类似序列结构的字典对象来创建一个DataFrame:
代码语言:javascript
复制
df2 = pd.DataFrame({'A': 1.,
                    'B': pd.Timestamp('20130102'),
                    'C': pd.Series(1, index=list(range(4)), dtype='float32'),
                    'D': np.array([3] * 4, dtype='int32'),
                    'E': pd.Categorical(["test", "train", "test", "train"]),
                    'F': 'foo'})
#      A          B    C  D      E    F
# 0  1.0 2013-01-02  1.0  3   test  foo
# 1  1.0 2013-01-02  1.0  3  train  foo
# 2  1.0 2013-01-02  1.0  3   test  foo
# 3  1.0 2013-01-02  1.0  3  train  foo
  • 查看不同列的数据类型:
代码语言:javascript
复制
df2.dtypes
# A           float64
# B    datetime64[ns]
# C           float32
# D             int32
# E          category
# F            object
# dtype: object
  • 如果你使用的是IPython,使用Tab自动补全功能会自动识别所有的属性以及自定义的列.
代码语言:javascript
复制
df2.
# df2.A                  df2.bool
# ...

查看数据

来源Basics section

  • 查看frame中头部和尾部的行
代码语言:javascript
复制
df.head()
# 头部,默认5行,可以指定显示行数。
#                    A         B         C         D
# 2013-01-01  0.469112 -0.282863 -1.509059 -1.135632
# 2013-01-02  1.212112 -0.173215  0.119209 -1.044236
# 2013-01-03 -0.861849 -2.104569 -0.494929  1.071804
# 2013-01-04  0.721555 -0.706771 -1.039575  0.271860
# 2013-01-05 -0.424972  0.567020  0.276232 -1.087401

df.tail(3)
# 尾部
#                    A         B         C         D
# 2013-01-04  0.721555 -0.706771 -1.039575  0.271860
# 2013-01-05 -0.424972  0.567020  0.276232 -1.087401
# 2013-01-06 -0.673690  0.113648 -1.478427  0.524988
  • 显示索引、列和底层的numpy数据
代码语言:javascript
复制
df.index    # 显示索引
# [2013-01-01, ..., 2013-01-06]

df.columns  # 列
# Index(['A', 'B', 'C', 'D'], dtype='object')

df.values   # 数据
# array([[ 0.4691, -0.2829, -1.5091, -1.1356],...])
  • describe()函数对于数据的快速统计汇总
代码语言:javascript
复制
df.describe()
#               A         B         C         D
# count  6.000000  6.000000  6.000000  6.000000
# mean   0.073711 -0.431125 -0.687758 -0.233103
# std    0.843157  0.922818  0.779887  0.973118
# min   -0.861849 -2.104569 -1.509059 -1.135632
# 25%   -0.611510 -0.600794 -1.368714 -1.076610
# 50%    0.022070 -0.228039 -0.767252 -0.386188
# 75%    0.658444  0.041933 -0.034326  0.461706
# max    1.212112  0.567020  0.276232  1.071804
  • 转置
代码语言:javascript
复制
df.T
  • 按轴进行排序
代码语言:javascript
复制
df.sort_index(axis=1, ascending=False)  # 即按列名排序,交换列位置。
  • 按值进行排序
代码语言:javascript
复制
df.sort_values(by='B')  # 按照列B的值升序排序

选择-Selection

虽然标准的Python/Numpy的选择和设置表达式都能够直接派上用场,但是作为工程使用的代码,我们推荐使用经过优化的pandas数据访问方式: .at, .iat, .loc, .iloc 和 .ix

详情请参阅Indexing and Selecing DataMultiIndex / Advanced Indexing

获取-Getting

  • 选择一个单独的列,这将会返回一个Series,等同于df.A
代码语言:javascript
复制
df['A']
  • 通过[]进行选择,这将会对行进行切片
代码语言:javascript
复制
df[0:3]
#                    A         B         C         D
# 2013-01-01  0.469112 -0.282863 -1.509059 -1.135632
# 2013-01-02  1.212112 -0.173215  0.119209 -1.044236
# 2013-01-03 -0.861849 -2.104569 -0.494929  1.071804

 df['20130102':'20130104']
#                    A         B         C         D
# 2013-01-02  1.212112 -0.173215  0.119209 -1.044236
# 2013-01-03 -0.861849 -2.104569 -0.494929  1.071804
# 2013-01-04  0.721555 -0.706771 -1.039575  0.271860

通过标签选择-Selection by Label

参考Selection by Label

  • 使用标签来获取一个交叉的区域
代码语言:javascript
复制
df.loc[dates[0]]
# A    0.469112
# B   -0.282863
# C   -1.509059
# D   -1.135632
# Name: 2013-01-01 00:00:00, dtype: float64
  • 通过标签来在多个轴上进行选择
代码语言:javascript
复制
df.loc[:,['A','B']]
#                    A         B
# 2013-01-01  0.469112 -0.282863
# 2013-01-02  1.212112 -0.173215
# 2013-01-03 -0.861849 -2.104569
# 2013-01-04  0.721555 -0.706771
# 2013-01-05 -0.424972  0.567020
# 2013-01-06 -0.673690  0.113648
  • 标签切片
代码语言:javascript
复制
df.loc['20130102':'20130104',['A','B']]
# Out[28]: 
#                    A         B
# 2013-01-02  1.212112 -0.173215
# 2013-01-03 -0.861849 -2.104569
# 2013-01-04  0.721555 -0.706771
  • 对于返回的对象进行维度缩减
代码语言:javascript
复制
df.loc['20130102',['A','B']]
# Out[29]: 
# A    1.212112
# B   -0.173215
# Name: 2013-01-02 00:00:00, dtype: float64
  • 获取一个标量
代码语言:javascript
复制
df.loc[dates[0],'A']
# Out[30]: 0.46911229990718628
  • 快速访问一个标量(与上一个方法等价)
代码语言:javascript
复制
df.at[dates[0],'A']
# Out[31]: 0.46911229990718628

通过位置选择-Selection by Position

详情Selection by Position

  • 通过传递数值进行位置选择(选择的是行)
代码语言:javascript
复制
In [32]: df.iloc[3]
# Out[32]: 
# A    0.721555
# B   -0.706771
# C   -1.039575
# D    0.271860
# Name: 2013-01-04 00:00:00, dtype: float64
  • 通过数值进行切片,与numpy/python中的情况类似
代码语言:javascript
复制
df.iloc[3:5,0:2]
# Out[33]: 
#                    A         B
# 2013-01-04  0.721555 -0.706771
# 2013-01-05 -0.424972  0.567020
  • 通过指定一个位置的列表,与numpy/python中的情况类似
代码语言:javascript
复制
df.iloc[[1,2,4],[0,2]]
# Out[34]: 
#                    A         C
# 2013-01-02  1.212112  0.119209
# 2013-01-03 -0.861849 -0.494929
# 2013-01-05 -0.424972  0.276232
  • 对行进行切片
代码语言:javascript
复制
df.iloc[1:3,:]  # 1,2行
# Out[35]: 
#                    A         B         C         D
# 2013-01-02  1.212112 -0.173215  0.119209 -1.044236
# 2013-01-03 -0.861849 -2.104569 -0.494929  1.071804
  • 对列进行切片
代码语言:javascript
复制
df.iloc[:,1:3]  # 1,2列
# Out[36]: 
#                    B         C
# 2013-01-01 -0.282863 -1.509059
# # 2013-01-02 -0.173215  0.119209
# 2013-01-03 -2.104569 -0.494929
# 2013-01-04 -0.706771 -1.039575
# 2013-01-05  0.567020  0.276232
# 2013-01-06  0.113648 -1.478427
  • 获取特定的值
代码语言:javascript
复制
df.iloc[1,1]
# Out[37]: -0.17321464905330858
# For getting fast access to a scalar
df.iat[1,1]
# Out[38]: -0.17321464905330858

布尔索引

  • 使用一个单独列的值来选择数据
代码语言:javascript
复制
df[df.A > 0]
#                    A         B         C         D
# 2013-01-01  0.469112 -0.282863 -1.509059 -1.135632
# 2013-01-02  1.212112 -0.173215  0.119209 -1.044236
# 2013-01-04  0.721555 -0.706771 -1.039575  0.271860
  • 使用布尔条件来选择数据
代码语言:javascript
复制
df[df > 0]
#                    A         B         C         D
# 2013-01-01  0.469112       NaN       NaN       NaN
# 2013-01-02  1.212112       NaN  0.119209       NaN
# 2013-01-03       NaN       NaN       NaN  1.071804
# 2013-01-04  0.721555       NaN       NaN  0.271860
# 2013-01-05       NaN  0.567020  0.276232       NaN
# 2013-01-06       NaN  0.113648       NaN  0.524988
  • 使用isin()方法来过滤
代码语言:javascript
复制
df2 = df.copy()

df2['E'] = ['one', 'one','two','three','four','three']
#                    A         B         C         D      E
# 2013-01-01  0.469112 -0.282863 -1.509059 -1.135632    one
# 2013-01-02  1.212112 -0.173215  0.119209 -1.044236    one
# 2013-01-03 -0.861849 -2.104569 -0.494929  1.071804    two
# 2013-01-04  0.721555 -0.706771 -1.039575  0.271860  three
# 2013-01-05 -0.424972  0.567020  0.276232 -1.087401   four
# 2013-01-06 -0.673690  0.113648 -1.478427  0.524988  three

df2[df2['E'].isin(['two','four'])]
#                    A         B         C         D     E
# 2013-01-03 -0.861849 -2.104569 -0.494929  1.071804   two
# 2013-01-05 -0.424972  0.567020  0.276232 -1.087401  four

设置-setting

  • 设置一个新的列
代码语言:javascript
复制
s1 = pd.Series([1,2,3,4,5,6], index=pd.date_range('20130102', periods=6))
# 2013-01-02    1
# 2013-01-03    2
# 2013-01-04    3
# 2013-01-05    4
# 2013-01-06    5
# 2013-01-07    6
# Freq: D, dtype: int64
df['F'] = s1
  • 通过标签设置新的值:
代码语言:javascript
复制
df.at[dates[0],'A'] = 0
  • 通过位置设置新的值
代码语言:javascript
复制
df.iat[0,1] = 0
  • 通过一个numpy数组设置一组新值
代码语言:javascript
复制
df.loc[:,'D'] = np.array([5] * len(df))

上诉操作之后的结果

代码语言:javascript
复制
                   A         B         C  D    F
2013-01-01  0.000000  0.000000 -1.509059  5  NaN
2013-01-02  1.212112 -0.173215  0.119209  5  1.0
2013-01-03 -0.861849 -2.104569 -0.494929  5  2.0
2013-01-04  0.721555 -0.706771 -1.039575  5  3.0
2013-01-05 -0.424972  0.567020  0.276232  5  4.0
2013-01-06 -0.673690  0.113648 -1.478427  5  5.0
  • 通过where操作来设置新的值
代码语言:javascript
复制
df2 = df.copy()
df2[df2 > 0] = -df2
#                    A         B         C  D    F
# 2013-01-01  0.000000  0.000000 -1.509059 -5  NaN
# 2013-01-02 -1.212112 -0.173215 -0.119209 -5 -1.0
# 2013-01-03 -0.861849 -2.104569 -0.494929 -5 -2.0
# 2013-01-04 -0.721555 -0.706771 -1.039575 -5 -3.0
# 2013-01-05 -0.424972 -0.567020 -0.276232 -5 -4.0
# 2013-01-06 -0.673690 -0.113648 -1.478427 -5 -5.0

缺失值处理

在pandas中,使用np.nan来代替缺失值,这些值将默认不会包含在计算中,详情请参阅:Missing Data Section

  • reindex()方法可以对指定轴上的索引进行改变/增加/删除操作,这将返回原始数据的一个拷贝
代码语言:javascript
复制
df1 = df.reindex(index=dates[0:4], columns=list(df.columns) + ['E'])

df1.loc[dates[0]:dates[1],'E'] = 1
#                    A         B         C  D    F    E
# 2013-01-01  0.000000  0.000000 -1.509059  5  NaN  1.0
# 2013-01-02  1.212112 -0.173215  0.119209  5  1.0  1.0
# 2013-01-03 -0.861849 -2.104569 -0.494929  5  2.0  NaN
# 2013-01-04  0.721555 -0.706771 -1.039575  5  3.0  NaN
  • 去掉包含缺失值的行
代码语言:javascript
复制
df1.dropna(how='any')
#                    A         B         C  D    F    E
# 2013-01-02  1.212112 -0.173215  0.119209  5  1.0  1.0
  • 对缺失值进行填充
代码语言:javascript
复制
df1.fillna(value=5)
  • 对数据进行布尔填充
代码语言:javascript
复制
pd.isnull(df1)
#                 A      B      C      D      F      E
# 2013-01-01  False  False  False  False   True  False
# 2013-01-02  False  False  False  False  False  False
# 2013-01-03  False  False  False  False  False   True
# 2013-01-04  False  False  False  False  False   True

操作-Operations

详情 Basic Section On Binary Ops

统计

  • 执行描述性统计,所有轴。
代码语言:javascript
复制
df.mean()   # 均值
  • 在指定轴上进行相同的操作
代码语言:javascript
复制
df.mean(1)
  • 对于拥有不同维度,需要对齐的对象进行操作。Pandas会自动的沿着指定的维度进行广播
代码语言:javascript
复制
s = pd.Series([1,3,5,np.nan,6,8], index=dates).shift(2)
# Out[64]: 
# 2013-01-01    NaN
# 2013-01-02    NaN
# 2013-01-03    1.0
# 2013-01-04    3.0
# 2013-01-05    5.0
# 2013-01-06    NaN
# Freq: D, dtype: float64

df.sub(s, axis='index')
#                    A         B         C    D    F
# 2013-01-01       NaN       NaN       NaN  NaN  NaN
# 2013-01-02       NaN       NaN       NaN  NaN  NaN
# 2013-01-03 -1.861849 -3.104569 -1.494929  4.0  1.0
# 2013-01-04 -2.278445 -3.706771 -4.039575  2.0  0.0
# 2013-01-05 -5.424972 -4.432980 -4.723768  0.0 -1.0
# 2013-01-06       NaN       NaN       NaN  NaN  NaN

应用

  • 对数据应用函数
代码语言:javascript
复制
df.apply(np.cumsum) # 应用numpy的累计求和函数。
#                    A         B         C   D     F
# 2013-01-01  0.000000  0.000000 -1.509059   5   NaN
# 2013-01-02  1.212112 -0.173215 -1.389850  10   1.0
# 2013-01-03  0.350263 -2.277784 -1.884779  15   3.0
# 2013-01-04  1.071818 -2.984555 -2.924354  20   6.0
# 2013-01-05  0.646846 -2.417535 -2.648122  25  10.0
# 2013-01-06 -0.026844 -2.303886 -4.126549  30  15.0

df.apply(lambda x: x.max() - x.min())
# 
# A    2.073961
# B    2.671590
# C    1.785291
# D    0.000000
# F    4.000000
# dtype: float64

直方图-Histogramming

具体参照:Histogramming and Discretization

代码语言:javascript
复制
s = pd.Series(np.random.randint(0, 7, size=10))
# 
# 0    4
# 1    2
# 2    1
# 3    2
# 4    6
# 5    4
# 6    4
# 7    6
# 8    4
# 9    4
# dtype: int64

s.value_counts()
# 4    5
# 6    2
# 2    2
# 1    1
# dtype: int64

字符串方法

Series对象在其str属性中配备了一组字符串处理方法,可以很容易的应用到数组中的每个元素,如下段代码所示。更多详情请参考:Vectorized String Methods.

代码语言:javascript
复制
s = pd.Series(['A', 'B', 'C', 'Aaba', 'Baca', np.nan, 'CABA', 'dog', 'cat'])

s.str.lower()
# 
# 0       a
# 1       b
# 2       c
# 3    aaba
# 4    baca
# 5     NaN
# 6    caba
# 7     dog
# 8     cat
# dtype: object

合并-Merge

Pandas提供了大量的方法能够轻松的对Series,DataFrame和Panel对象进行各种符合各种逻辑关系的合并操作。具体请参阅:Merging section

Concat

concat()方法:

代码语言:javascript
复制
df = pd.DataFrame(np.random.randn(10, 4))
#
#           0         1         2         3
# 0 -0.548702  1.467327 -1.015962 -0.483075
# 1  1.637550 -1.217659 -0.291519 -1.745505
# 2 -0.263952  0.991460 -0.919069  0.266046
# 3 -0.709661  1.669052  1.037882 -1.705775
# 4 -0.919854 -0.042379  1.247642 -0.009920
# 5  0.290213  0.495767  0.362949  1.548106
# 6 -1.131345 -0.089329  0.337863 -0.945867
# 7 -0.932132  1.956030  0.017587 -0.016692
# 8 -0.575247  0.254161 -1.143704  0.215897
# 9  1.193555 -0.077118 -0.408530 -0.862495

# break it into pieces
pieces = [df[:3], df[3:7], df[7:]]
pd.concat(pieces)
#           0         1         2         3
# 0 -0.548702  1.467327 -1.015962 -0.483075
# 1  1.637550 -1.217659 -0.291519 -1.745505
# 2 -0.263952  0.991460 -0.919069  0.266046
# 3 -0.709661  1.669052  1.037882 -1.705775
# 4 -0.919854 -0.042379  1.247642 -0.009920
# 5  0.290213  0.495767  0.362949  1.548106
# 6 -1.131345 -0.089329  0.337863 -0.945867
# 7 -0.932132  1.956030  0.017587 -0.016692
# 8 -0.575247  0.254161 -1.143704  0.215897
# 9  1.193555 -0.077118 -0.408530 -0.862495

join

Join 类似于SQL类型的合并,具体请参阅:Database style joining

代码语言:javascript
复制
left = pd.DataFrame({'key': ['foo', 'foo'], 'lval': [1, 2]})

right = pd.DataFrame({'key': ['foo', 'foo'], 'rval': [4, 5]})

pd.merge(left, right, on='key')
# Out[81]: 
#    key  lval  rval
# 0  foo     1     4
# 1  foo     1     5
# 2  foo     2     4
# 3  foo     2     5

Append

Append 将一行连接到一个DataFrame上,具体请参阅Appending

代码语言:javascript
复制
df = pd.DataFrame(np.random.randn(8, 4), columns=['A','B','C','D'])
s = df.iloc[3]
df.append(s, ignore_index=True)

Grouping

对于”group by”操作,我们通常是指以下一个或多个操作步骤:

  • (Splitting)按照一些规则将数据分为不同的组;
  • (Applying)对于每组数据分别执行一个函数;
  • (Combining)将结果组合到一个数据结构中;
代码语言:javascript
复制
df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar',
                           'foo', 'bar', 'foo', 'foo'],
                    'B' : ['one', 'one', 'two', 'three',
                           'two', 'two', 'one', 'three'],
                    'C' : np.random.randn(8),
                    'D' : np.random.randn(8)})
  • 分组并对每个分组执行sum函数
代码语言:javascript
复制
df.groupby('A').sum()
#                   C         D
# A   B                        
# bar one   -1.814470  2.395985
#     three -0.595447  0.166599
#     two   -0.392670 -0.136473
# foo one   -1.195665 -0.616981
#     three  1.928123 -1.623033
#     two    2.414034  1.600434

Reshaping

详情请参阅 Hierarchical IndexingReshaping

Stack

stack() 方法“压缩”DataFrame列.

代码语言:javascript
复制
tuples = list(zip(*[['bar', 'bar', 'baz', 'baz',
                      'foo', 'foo', 'qux', 'qux'],
                     ['one', 'two', 'one', 'two',
                      'one', 'two', 'one', 'two']]))


index = pd.MultiIndex.from_tuples(tuples, names=['first', 'second'])

df = pd.DataFrame(np.random.randn(8, 2), index=index, columns=['A', 'B'])

df2 = df[:4]
#                      A         B
# first second                    
# bar   one     0.029399 -0.542108
#       two     0.282696 -0.087302
# baz   one    -1.575170  1.771208
#       two     0.816482  1.100230

stacked = df2.stack()
# first  second   
# bar    one     A    0.029399
#                B   -0.542108
#        two     A    0.282696
#                B   -0.087302
# baz    one     A   -1.575170
#                B    1.771208
#        two     A    0.816482
#                B    1.100230
# dtype: float64

stack()unstack()相互为反函数。

代码语言:javascript
复制
stacked.unstack()
#                      A         B
# first second                    
# bar   one     0.029399 -0.542108
#       two     0.282696 -0.087302
# baz   one    -1.575170  1.771208
#       two     0.816482  1.100230

stacked.unstack(1)
# second        one       two
# first                      
# bar   A  0.029399  0.282696
#       B -0.542108 -0.087302
# baz   A -1.575170  0.816482
#       B  1.771208  1.100230

stacked.unstack(0)
# first          bar       baz
# second                      
# one    A  0.029399 -1.575170
#        B -0.542108  1.771208
# two    A  0.282696  0.816482
#        B -0.087302  1.100230

数据透视表-Pivot Tables

详情请参阅:Pivot Tables.

代码语言:javascript
复制
df = pd.DataFrame({'A' : ['one', 'one', 'two', 'three'] * 3,
                   'B' : ['A', 'B', 'C'] * 4,
                   'C' : ['foo', 'foo', 'foo', 'bar', 'bar', 'bar'] * 2,
                   'D' : np.random.randn(12),
                   'E' : np.random.randn(12)})


# 
#         A  B    C         D         E
# 0     one  A  foo  1.418757 -0.179666
# 1     one  B  foo -1.879024  1.291836
# 2     two  C  foo  0.536826 -0.009614
# 3   three  A  bar  1.006160  0.392149
# 4     one  B  bar -0.029716  0.264599
# 5     one  C  bar -1.146178 -0.057409
# 6     two  A  foo  0.100900 -1.425638
# 7   three  B  foo -1.035018  1.024098
# 8     one  C  foo  0.314665 -0.106062
# 9     one  A  bar -0.773723  1.824375
# 10    two  B  bar -1.170653  0.595974
# 11  three  C  bar  0.648740  1.167115

生成数据透视表

代码语言:javascript
复制
pd.pivot_table(df, values='D', index=['A', 'B'], columns=['C'])
# Out[107]: 
# C             bar       foo
# A     B                    
# one   A -0.773723  1.418757
#       B -0.029716 -1.879024
#       C -1.146178  0.314665
# three A  1.006160       NaN
#       B       NaN -1.035018
#       C  0.648740       NaN
# two   A       NaN  0.100900
#       B -1.170653       NaN
#       C       NaN  0.536826

时间序列-Time Series

Pandas在对频率转换进行重新采样时拥有简单、强大且高效的功能(如将按秒采样的数据转换为按5分钟为单位进行采样的数据)。这种操作在金融领域非常常见。具体参考:Time Series section

代码语言:javascript
复制
rng = pd.date_range('1/1/2012', periods=100, freq='S')

ts = pd.Series(np.random.randint(0, 500, len(rng)), index=rng)
ts.resample('5Min').sum()

# 2012-01-01    25083
# Freq: 5T, dtype: int64
  • 时区表示
代码语言:javascript
复制
rng = pd.date_range('3/6/2012 00:00', periods=5, freq='D')

ts = pd.Series(np.random.randn(len(rng)), rng)
# 2012-03-06    0.464000
# 2012-03-07    0.227371
# 2012-03-08   -0.496922
# 2012-03-09    0.306389
# 2012-03-10   -2.290613
# Freq: D, dtype: float64

ts_utc = ts.tz_localize('UTC')
# 2012-03-06 00:00:00+00:00    0.464000
# 2012-03-07 00:00:00+00:00    0.227371
# 2012-03-08 00:00:00+00:00   -0.496922
# 2012-03-09 00:00:00+00:00    0.306389
# 2012-03-10 00:00:00+00:00   -2.290613
# Freq: D, dtype: float64
  • 时区转换
代码语言:javascript
复制
ts_utc.tz_convert('US/Eastern')
# Out[116]: 
# 2012-03-05 19:00:00-05:00    0.464000
# 2012-03-06 19:00:00-05:00    0.227371
# 2012-03-07 19:00:00-05:00   -0.496922
# 2012-03-08 19:00:00-05:00    0.306389
# 2012-03-09 19:00:00-05:00   -2.290613
# Freq: D, dtype: float64
  • 时间跨度转换
代码语言:javascript
复制
rng = pd.date_range('1/1/2012', periods=5, freq='M')

ts = pd.Series(np.random.randn(len(rng)), index=rng)
# 2012-01-31   -1.134623
# 2012-02-29   -1.561819
# 2012-03-31   -0.260838
# 2012-04-30    0.281957
# 2012-05-31    1.523962
# Freq: M, dtype: float64

ps = ts.to_period()
# 2012-01   -1.134623
# 2012-02   -1.561819
# 2012-03   -0.260838
# 2012-04    0.281957
# 2012-05    1.523962
# Freq: M, dtype: float64

ps.to_timestamp()
# 
# 2012-01-01   -1.134623
# 2012-02-01   -1.561819
# 2012-03-01   -0.260838
# 2012-04-01    0.281957
# 2012-05-01    1.523962
# Freq: MS, dtype: float64
  • 时期和时间戳之间的转换使得可以使用一些方便的算术函数。
代码语言:javascript
复制
prng = pd.period_range('1990Q1', '2000Q4', freq='Q-NOV')

ts = pd.Series(np.random.randn(len(prng)), prng)

ts.index = (prng.asfreq('M', 'e') + 1).asfreq('H', 's') + 9

ts.head()
# 1990-03-01 09:00   -0.902937
# 1990-06-01 09:00    0.068159
# 1990-09-01 09:00   -0.057873
# 1990-12-01 09:00   -0.368204
# 1991-03-01 09:00   -1.144073
# Freq: H, dtype: float64

Categorical

从0.15版本开始,pandas可以在DataFrame中支持Categorical类型的数据,详细 介绍参看:categorical introductionAPI documentation

代码语言:javascript
复制
df = pd.DataFrame({"id":[1,2,3,4,5,6], "raw_grade":['a', 'b', 'b', 'a', 'a', 'e']})
  • 将原始的grade转换为Categorical数据类型
代码语言:javascript
复制
df["grade"] = df["raw_grade"].astype("category")

# Out[129]: 
# 0    a
# 1    b
# 2    b
# 3    a
# 4    a
# 5    e
# Name: grade, dtype: category
# Categories (3, object): [a, b, e]
  • 将Categorical类型数据重命名为更有意义的名称
代码语言:javascript
复制
df["grade"].cat.categories = ["very good", "good", "very bad"]  # [a, b, e]
  • 对类别进行重新排序,增加缺失的类别
代码语言:javascript
复制
df["grade"] = df["grade"].cat.set_categories(["very bad", "bad", "medium", "good", "very good"])
# 
# 0    very good
# 1         good
# 2         good
# 3    very good
# 4    very good
# 5     very bad
# Name: grade, dtype: category
# Categories (5, object): [very bad, bad, medium, good, very good]
  • 排序是按照Categorical的顺序进行的而不是按照字典顺序进行
代码语言:javascript
复制
df.sort_values(by="grade")
# Out[133]: 
#    id raw_grade      grade
# 5   6         e   very bad
# 1   2         b       good
# 2   3         b       good
# 0   1         a  very good
# 3   4         a  very good
# 4   5         a  very good
  • 对Categorical列进行排序时存在空的类别
代码语言:javascript
复制
df.groupby("grade").size()
# Out[134]: 
# grade
# very bad     1
# bad          0
# medium       0
# good         2
# very good    3
# dtype: int64

画图-Plotting

具体文档参看:Plotting docs

代码语言:javascript
复制
ts = pd.Series(np.random.randn(1000), index=pd.date_range('1/1/2000', periods=1000))
ts = ts.cumsum()
ts.plot()
plt.show()
_images/series_plot_basic.png
_images/series_plot_basic.png
  • 对于DataFrame来说,plot是一种将所有列及其标签进行绘制的简便方法:
代码语言:javascript
复制
df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index,
                  columns=['A', 'B', 'C', 'D'])

df = df.cumsum()
plt.figure(); df.plot(); plt.legend(loc='best')
_images/frame_plot_basic.png
_images/frame_plot_basic.png

导入和保存数据

csv

参考:Writing to a csv file

  • 写入csv
代码语言:javascript
复制
df.to_csv('foo.csv')
  • 读取csv
代码语言:javascript
复制
pd.read_csv('foo.csv')

HDF5

参考:HDFStores

  • 写入HDF5存储
代码语言:javascript
复制
df.to_hdf('foo.h5','df')
  • 从HDF5存储中读取
代码语言:javascript
复制
pd.read_hdf('foo.h5','df')

Excel

参考: MS Excel

  • 写入excel
代码语言:javascript
复制
df.to_excel('foo.xlsx', sheet_name='Sheet1')
  • 读取excel
代码语言:javascript
复制
pd.read_excel('foo.xlsx', 'Sheet1', index_col=None, na_values=['NA'])

Gotchas

代码语言:javascript
复制
if pd.Series([False, True, False]):
    print("I was true")

See Comparisons for an explanation and what to do.

See Gotchas as well.

Reference

  1. 10 Minutes to pandas
  2. Pandas分组统计函数:groupby、pivot_table及crosstab
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2017-05-23 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 创建对象
  • 查看数据
  • 选择-Selection
    • 获取-Getting
      • 通过标签选择-Selection by Label
        • 通过位置选择-Selection by Position
          • 布尔索引
            • 设置-setting
            • 缺失值处理
            • 操作-Operations
              • 统计
                • 应用
                  • 直方图-Histogramming
                    • 字符串方法
                    • 合并-Merge
                    • Concat
                      • join
                        • Append
                        • Grouping
                        • Reshaping
                          • Stack
                            • 数据透视表-Pivot Tables
                            • 时间序列-Time Series
                            • Categorical
                            • 画图-Plotting
                            • 导入和保存数据
                              • csv
                                • HDF5
                                  • Excel
                                  • Gotchas
                                  • Reference
                                  相关产品与服务
                                  文件存储
                                  文件存储(Cloud File Storage,CFS)为您提供安全可靠、可扩展的共享文件存储服务。文件存储可与腾讯云服务器、容器服务、批量计算等服务搭配使用,为多个计算节点提供容量和性能可弹性扩展的高性能共享存储。腾讯云文件存储的管理界面简单、易使用,可实现对现有应用的无缝集成;按实际用量付费,为您节约成本,简化 IT 运维工作。
                                  领券
                                  问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档